python正则表达式无法匹配特定的Unicode>；2个十六进制值

如何解析大于

\uFFFF

的字符的unicode“字符串”

尝试了

re

和

regex

，但似乎没有正确匹配大于2个十六进制值的unicode字符

以任何unicode字符串为例（例如，以

utf-8

编码的tweet文本）

输出是文本中包含的笑脸数，非常有用

但如果我尝试匹配unicode字符的表情符号集：

输出是字符串中所有字符的（数字）匹配，减去空格。 正则表达式是如何匹配tweet中的每个字符的，或者至少是看起来像string.printable的字符

对于大多数数据集，预期结果是返回0，因为我不希望人们插入这些表情，但他们可能。。。所以我想检查一下它们是否存在。我的正则表达式不正确吗？

BMP之外的代码点使用

\uxxxxx

（大写

U

和8个十六进制字符）。您使用的

\uxxx

，只包含四个十六进制字符，

00

不是unicode码点的一部分：

>>> len(u'\u01f600')
3
>>> len(u'\U0001f600')
1
>>> u'\u01f600'[0]
'\u01f6'
>>> u'\u01f600'[1:]
'00'

您需要在此处使用

unicode

模式：

u'[\U0001F600-\U0001F64F]'

演示：

这与组成与

[\U0001F600-\U0001F64F]

相同范围的UTF-16代理项对匹配，但在窄版本上：

>>> import sys
>>> sys.maxunicode
65535
>>> import re
>>> re.search(u'\ud83d[\ude00-\ude4f]', u'\U0001F600')
<_sre.SRE_Match object at 0x105e9f5e0>

导入系统 >>>sys.maxunicode 65535 >>>进口稀土 >>>重新搜索（u'\ud83d[\ude00-\ude4f]'，u'\U0001F600'）

---

谢谢，我花了两天时间研究unicode，从未将UCS2和UCS4与我访问平面中字符的问题联系起来>0。是的，我的sys.maxunicode返回65535，因此它是一个窄版本。我将构建一个UCS4，并使用“U”编码，再次感谢！

u'[\U0001F600-\U0001F64F]'

>>> import re
>>> re.search(u'[\U0001F600-\U0001F64F]', u'\U0001F600')
<_sre.SRE_Match object at 0xb73ead08>

ur'\ud83d[\ude00-\ude4f]'

>>> import sys
>>> sys.maxunicode
65535
>>> import re
>>> re.search(u'\ud83d[\ude00-\ude4f]', u'\U0001F600')
<_sre.SRE_Match object at 0x105e9f5e0>